agicorp/Agent-FLAN

Agent-FLAN数据集旨在通过精心设计的训练语料库来增强大型语言模型（LLMs）的代理能力。该数据集由AgentInstruct、Toolbench和定制的负面代理样本组成，旨在解决现有代理训练语料库与预训练数据分布不一致的问题，并减少幻觉现象。通过混合训练这些数据集，Agent-FLAN能够显著提升LLMs在各种代理任务和工具使用中的表现，同时略微增强其一般能力。

原始信息汇总

数据集概述

数据集名称: AgentFLAN

数据集来源: 由AgentInstruct, Toolbench, 和定制的负面样本组成。

数据集配置:

• 默认配置包含以下数据文件:
  • agent_instruct_react.jsonl
  • agent_instruct_tflan.jsonl
  • toolbench_instruct_j1s1_3k.jsonl
  • toolbench_negative.jsonl
  • toolbench_react_10p.jsonl
  • toolbench_tflan_60p_r10r5u7.jsonl
  • toolbench_tflan_cot_30p.jsonl

数据集特征:

• conversation:
  • role: 数据类型为字符串
  • content: 数据类型为字符串
  • loss: 数据类型为布尔值
• id: 数据类型为字符串

许可证: Apache-2.0

标签: agent

数据集用途: 用于有效微调大型语言模型以适应代理任务，通过重新设计和分解训练语料库，提升模型在代理评估数据集上的表现，并缓解幻觉问题。